Patrones de sistemasa de primero y segundo orden, en un ambiente de instrumentación virtual
Título del documento: Patrones de sistemasa de primero y segundo orden, en un ambiente de instrumentación virtual
Revista: Computación y sistemas
Base de datos: PERIÓDICA
Número de sistema: 000252695
ISSN: 1405-5546
Autores: 1
Instituciones: 1Instituto Politécnico Nacional, Centro de Investigación en Computación, México, Distrito Federal. México
Año:
Periodo: Oct-Dic
Volumen: 7
Número: 2
Paginación: 92-101
País: México
Idioma: Español
Tipo de documento: Artículo
Enfoque: Aplicado
Resumen en español En el artículo se analizan los patrones para reconocer modelos dinámicos de sistemas de primero y segundo orden mediante una red neuronal (RN) backpropagation. La RN de tres capas, tiene 30 neuronas de entrada, 11 en la capa oculta y 4 neuronas de salida. Se utiliza un almacenador circular para guardar los n últimos valores adquiridos de cada variable. Antes de ejecutar la RN, los datos almacenados son filtrados digitalmente. Posteriormente se realiza una conversión de la frecuencia de muestreo para obtener 30 puntos. La salida de la RN indicará el modelo más apropiado. El software es desarrollado utilizando el Lab VIEW y DLL escritas en DELPHI y C
Resumen en inglés This paper presents the analysis of patterns which allow to recognize dynamic models of first and second order systems by means of a backpropagation neuronal network. The neuronal network is of three layers. The input layer has 30 neurons, the hidden layer has 11 neurons and the exit layer has 4 neurons. A circular buffer is used to store the n last acquired values from each variable. The stored data are filtered digitally before executing the neuronal network. The conversion of the sampling frequency does possible to obtain 30 points. The exit of the neuronal network will indicate the most appropriate model. Software is developed using Lab VIEW and DLL written in DELPHI and C
Disciplinas: Ciencias de la computación
Palabras clave: Patrones,
Redes neuronales artificiales,
Predicción,
Supervisión
Keyword: Computer science,
Patterns,
Artificial neural networks,
Prediction,
Supervision
Texto completo: Texto completo (Ver PDF)